近日，实在智能正式上线企业级AI智能体平台Soiawork（树芽工作）。该平台面向企业AI组织建设，试图通过连接器与电脑操作能力让AI触达真实业务，通过知识库、Skill与Workflow让企业知识和工作方法持续复用，并通过共享工作空间让团队成员与AI在共同背景下开展任务。在此基础上，企业还可通过权限、审批、审计及用量与成本管理，让AI的使用有边界、投入有记录，为评估业务价值提供依据。

　　Soiawork的发布，回应了企业AI落地过程中的几个现实问题：系统没有接口，AI是否就没有入口；会做事的AI，怎样按企业的规矩办事；同一个任务，如何让团队成员和AI快速对齐。实在智能方面表示，Soiawork希望从一个任务开始，让AI进入业务，让有效经验成为组织能力。

　　让AI触达真实业务，不止于开放接口

　　AI能理解任务，还需要获取相关信息、调用工具，才能把工作往下推进。企业的日常业务分布在办公平台、CRM、ERP以及各种行业软件中。其中一些提供开放接口，另一些仍需要员工打开界面、查询记录、填写信息。

　　针对这一现状，Soiawork用两类能力连接业务现场。对于提供API、MCP等开放接口的软件，Soia可通过连接器，在授权范围内调用受支持的查询、创建、更新等操作。对于缺少可用接口、需要通过界面操作的系统，Soia可以调用安装在执行设备上的Worker，结合RPA与Computer Use Agent能力完成适配范围内的任务。

　　此外，用户可以通过和Soia对话的方式创建自定义连接器，企业版还提供专属的软件自学习能力，以完成复杂系统的深度适配。连接器与Worker两类能力相互补充，让更多存量业务系统有机会参与AI任务。目前，Soiawork的连接器主要面向制造业、国内电商和跨境电商等业务场景，覆盖MES、ERP、CRM、SRM、办公协作、企业信息查询及相关业务工具。企业可以在连接器目录中查找已有连接方式，也可以根据自身系统和任务需求配置自定义连接器。连接后的具体操作范围，由连接器支持的能力、系统适配情况和有效授权共同决定。

　　以一个招聘任务为例，招聘专员拿到岗位JD后，需要梳理人才画像、查看候选人简历、筛选符合要求的人选，再准备个性化沟通内容。这些步骤既需要理解业务要求，也需要实际操作招聘平台。以BOSS直聘的界面操作场景为例，Soiawork可以结合Worker，辅助完成人才画像分析、候选人筛选、简历查看和个性化打招呼，并按岗位整理沟通记录。招聘专员可以中止执行，并保留最终审核权。这一案例展示的，是AI如何把理解任务、获取信息、操作软件和整理结果衔接起来。

　　知识库、Skill与Workflow，让企业经验留下来

　　企业里，一项工作怎么做，往往包含三类积累：有哪些业务资料可以参考，有什么经过验证的方法，以及哪些步骤和规则必须遵循。Soiawork通过知识库、Skill与Workflow，将这些积累与实际任务联系起来。

　　知识库方面，产品手册、规章制度、历史文档和常见问题可以整理为可检索的知识内容。员工通过对话提问，获取相关信息及来源依据。文件空间支持上传文件，也支持从钉钉、飞书导入文档；任务中产生的资料可以继续保留，供后续使用。创建知识库也可以从一次对话开始，Soiawork会结合已有资料和用户说明的用途，协助确定资料范围与整理方式。资料更新后，可在完成同步处理后参与后续检索。

　　Skill用于把做成一件事的方法留给下一次。例如，电商运营每周都要整理经营数据、筛选异常商品，再生成待处理清单。这项工作有固定的数据口径、筛选规则、处理步骤和交付格式，这些要求可以沉淀为Skill，供后续任务调用。Skill可以承载任务步骤、业务规则、脚本、模板和参考资料。企业可以通过自然语言整理方法，也可以从有效任务中提取步骤，经确认后保存，再持续测试、改进和共享。

　　Workflow则用于组织包含多个环节、判断条件和输入输出要求的任务。例如，一项经营分析工作可以依次获取数据、清洗明细、判断异常、生成结果，再输出待处理清单。不同输入按设定条件进入相应路径，异常情况按配置处理。Soiawork支持通过自然语言生成或调整工作流，并进行测试、发布和重复运行。资料处理、数据加工、知识检索以及受支持的连接器和电脑操作，都可以成为流程中的环节。

　　以亚马逊运营为例，团队可以将Listing质量检查的方法整理为Skill，明确检查指标、评分依据和报告格式，再结合已接入的数据与适用流程，生成检查结果和优化建议。经过核验的方法可以继续复用，并随着业务变化持续改进。

　　共享工作空间，让团队和AI从共同背景出发

　　项目群里有人反馈“这个功能用不了，帮忙看一下”，接下来，团队可能需要补充问题信息、查询产品资料和历史记录、登记工单，再由相关人员跟进处理。不同成员和AI参与同一类工作时，需要理解共同的背景，也需要使用相应的资料、方法和工具。

　　Soiawork的工作空间可以把这些共用信息和资源集中组织起来。团队可以在空间说明中记录业务背景、工作要求与执行边界，按需关联文件、知识库、Skill、Workflow、连接器以及安装了Worker的共享设备，并配置相应的使用权限。例如，针对项目问题处理，团队可以建立专门的工作空间，放入处理规范、产品文档和历史资料，关联所需的技能、流程与系统连接器。成员在空间中发起相关任务时，Soia就可以基于已有背景和获授权的资源开展工作，减少重复说明和资源配置。工作空间的创建与配置，也可以通过对话逐步完成。

　　治理能力：让AI使用有边界、过程可追溯、投入有记录

　　当AI从个人尝试走向团队应用，企业还需要回答：AI用在了哪里，花了多少，这些投入是否值得持续。Soiawork的企业管理后台，帮助企业看清使用情况，并管理成员、资源与执行过程。

　　企业可以查看组织积分余额、有效期及相关流水，并按任务、执行主体和计费项目分析使用量与消耗情况。管理者由此能够了解AI资源主要用于哪些任务，为费用核对、资源安排和投入产出评估提供参考。将这些记录与企业实际的任务完成情况、处理时长和返工情况等业务结果结合，才能进一步判断哪些任务值得持续投入、哪些方法适合推广、哪些环节还需要改进。

　　权限方面，管理员可以管理组织成员、角色、部门与成员组，按职责配置权限，并通过受支持的企业身份接入方式管理登录与组织访问。连接器、技能、自动任务和共享设备等资源，也可以按需配置查看、使用或管理权限。需要确认或审批的操作，可按配置进入相应环节。过程记录方面，通过组织任务监控，管理员可以查询运行情况，查看相关执行事件、结果文件和失败原因，帮助定位问题、复核结果并改进流程。操作审计则为相关行为的追溯提供记录。

　　从任务开始，构建AI组织

　　Soia的命名源于对AIOS（AI Operating System，企业级AI操作系统）的思考，也凝聚了实在智能8年来服务企业AI与自动化过程中对AI组织的思考与沉淀。Soiawork由实在智能推出，是面向企业AI组织建设的独立产品，与实在Agent的定位与能力体系有所不同，企业可以根据实际需求选择。实在智能成立于2018年，长期深耕AI与自动化领域，累计服务6000多家企业。

　　实在智能方面表示，所谓AI组织，是让人与AI围绕业务任务，共享可用的知识、方法和工具，在明确的权限与管理机制下协作，并持续评估这些工作的价值。这条路可以从一个具体任务开始：选择一项正在发生的工作，明确目标、所需资源和验收标准；在实际执行中核验结果、记录消耗，把有效的方法留下来，再逐步扩展到更多任务与团队。